DBSCAN算法

基本概念（Density-Based Spatial Clusting of Applications with Noise）

核心对象：若某个点的密度达到算法设定的阈值则其为核心点。（即r邻域内点的数量不小于minPts）

ε-邻域的距离阈值：设定的半径r

直接密度可达：若某点p在点q的r邻域内，且q是核心点则p-q直接密度可达。

密度可达：若有一个点的序列q0、q1、....qk，对任意的qi->qi-1是直接密度可达的，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。

密度相连：若从某核心点p出发，点q和点k都是密度可达的，则称点q和点k是密度相连的。

边界点：属于某一个类的非核心点，不能发展下线了

直接密度可达：若某点p在点q的r邻域内，且q是核心点则p-q直接密度可达。

噪声点：不属于任何一个簇类的点，从任何一个核心点出发都是密度不可达的

                                                  A：核心对象

                                                  B、C：边界点

                                                  N：离群点

         

 工作流程:

参数D：输入数据集

参数ε：指定半径

MinPts：密度阈值

1.标记所有对象为unvisited；

2.Do

3.随机选择一个unvisited对象p

4.标记p为visited

5.If p的ε-邻域至少有MinPts个对象

6.     创建一个新簇C，并把p添加到C

7.      令N为p的ε-邻域中的对象集合

8.       For N中每个点p'

9.              If p是unvisited；

10.                 标记p'为visited；

11.                 If p'的ε-邻域至少有MinPts个对象，把这些对象添加到N；

12.                如果p'还不是任何簇的成员，把p'添加到C；

13.      End for；

14.     输出C；

15. Else标记p为噪声；

16.Until没有标记为unvisited的对象；

参数选择：

半径ε，可以根据K距离来设定：找突变点

K距离：给定数据集P={p(i)；i=0，1，2，......n},计算点P(i)到集合D的子集S中所有点之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。

MinPts：k-距离中k的值，一般取得小一些，多次尝试

 优势：

（1）不需要指定簇个数

（2）可以发现任意形状的簇

（3）擅长找到离群点（检测任务）

（4）两个参数就够了

劣势：

（1）高维数据有些困难（可以做降维）

（2）参数难以选择（参数对结果的影响非常大）

（3）Sklearn中效率很慢（数据削减策略）

       

  可视化：

Visualizing DBSCAN Clusteringhttps://www.naftaliharris.com/blog/visualizing-dbscan-clustering/